Python HDFStore表不接受多索引列

这很好：

cols = ['X', 'Y']
ind = [('A', 1), ('B', 2)]
ind = pd.MultiIndex.from_tuples(index, names=['foo', 'number'])

df = pd.DataFrame(rand(2,2), columns = cols, index=ind)
store.put('df', df, table=True)
print store['df']

               X         Y
foo number                    
A   1       0.015005  0.213427
B   2       0.090311  0.595418

这打破了：

cols = [('X', 1), ('Y', 2)]
cols = pd.MultiIndex.from_tuples(index, names=['bar', 'number'])
ind = [('A', 1), ('B', 2)]
ind = pd.MultiIndex.from_tuples(index, names=['foo', 'number'])

df = pd.DataFrame(rand(2,2), columns = cols, index=ind)
store.put('df', df, table=True)
print store['df']

KeyError: u'no item named foo'

---

我怀疑这是使用PyTables的一个已知限制，但我在Pandas文档中找不到任何关于多索引实际上仅限于索引而非列的引用。

这不受支持，例如列多索引和索引多索引。任何一个单独起作用。然而，通常情况下，列多索引不是很有用，因为如果没有一些非常奇怪的语法，就无法从中选择列。列存储为元组，因此必须明确选择它们。所以无论如何我都不会推荐它

---

我将打开一个问题来支持这两者，因为它当前提出了，在任何情况下，请参见此处：

这是不受支持的，例如，列多索引和索引多索引。任何一个单独起作用。然而，通常情况下，列多索引不是很有用，因为如果没有一些非常奇怪的语法，就无法从中选择列。列存储为元组，因此必须明确选择它们。所以无论如何我都不会推荐它

我将打开一个问题来支持这两种方法，因为它当前提出了一个问题，在任何情况下，请参见此处：

直到问题得到解决，您可以在存储索引之前折叠索引，作为一种解决方法，请参见以下内容：

并重新创建它，假设没有其他点。存在于原始列名中的任何位置：

df = store['/df']
df.columns = pd.MultiIndex.from_tuples([c.split('.') for c in df.columns])

在解决此问题之前，您可以在存储索引之前折叠索引，作为一种解决方法，请参见以下内容：

并重新创建它，假设没有其他点。存在于原始列名中的任何位置：

df = store['/df']
df.columns = pd.MultiIndex.from_tuples([c.split('.') for c in df.columns])

---

实际上，选择多列并不是那么困难，例如：idx=pd.indexlice；df.loc[：，idx[：，'mean']]是我一直在做的事情。@ankostis这是从一个磁盘存储中来的，它将列名序列化为字符串，而不是内存中的框架。实际上，选择多列并不难，例如：idx=pd.indexlice；df.loc[：，idx[：，'mean']]是我一直在做的事情。@ankostis这是从磁盘存储中获取的，它将列名序列化为字符串，而不是内存中的帧